論文の概要: A Survey of AI-Related Cyber Security Risks and Countermeasures in Mobility-as-a-Service

• arxiv url: http://arxiv.org/abs/2411.05681v1
• Date: Fri, 08 Nov 2024 16:31:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 14:53:16.245542
• Title: A Survey of AI-Related Cyber Security Risks and Countermeasures in Mobility-as-a-Service
• Title（参考訳）: モビリティ・アズ・ア・サービスにおけるAI関連サイバーセキュリティリスクと対策に関する調査
• Authors: Kai-Fung Chu, Haiyue Yuan, Jinsheng Yuan, Weisi Guo, Nazmiye Balta-Ozkan, Shujun Li,
• Abstract要約: 我々は、AI駆動型MaaS設計とサイバーセキュリティ課題の結合に関する、最初の包括的なレビューを提示する。 特に、現在および新興のAIが支援するプライバシーリスク(プロファイリング、推論、サードパーティの脅威)が、MaaSエコシステムにどのように影響するかに注目します。
• 参考スコア（独自算出の注目度）: 10.02176884479458
• License:
• Abstract: Mobility-as-a-Service (MaaS) integrates different transport modalities and can support more personalisation of travellers' journey planning based on their individual preferences, behaviours and wishes. To fully achieve the potential of MaaS, a range of AI (including machine learning and data mining) algorithms are needed to learn personal requirements and needs, to optimise journey planning of each traveller and all travellers as a whole, to help transport service operators and relevant governmental bodies to operate and plan their services, and to detect and prevent cyber attacks from various threat actors including dishonest and malicious travellers and transport operators. The increasing use of different AI and data processing algorithms in both centralised and distributed settings opens the MaaS ecosystem up to diverse cyber and privacy attacks at both the AI algorithm level and the connectivity surfaces. In this paper, we present the first comprehensive review on the coupling between AI-driven MaaS design and the diverse cyber security challenges related to cyber attacks and countermeasures. In particular, we focus on how current and emerging AI-facilitated privacy risks (profiling, inference, and third-party threats) and adversarial AI attacks (evasion, extraction, and gamification) may impact the MaaS ecosystem. These risks often combine novel attacks (e.g., inverse learning) with traditional attack vectors (e.g., man-in-the-middle attacks), exacerbating the risks for the wider participation actors and the emergence of new business models.
• Abstract（参考訳）: モビリティ・アズ・ア・サービス(MaaS)は、異なる輸送モダリティを統合し、それぞれの好み、行動、願望に基づいて旅行者の旅行計画のパーソナライズを支援する。 MaaSの可能性をフルに実現するためには、AI(機械学習やデータマイニングを含む)の幅広いアルゴリズムが、個人の要求とニーズを学習し、各旅行者および旅行者全体の旅行計画を最適化し、サービスオペレーターと関連する政府機関のサービス運用と計画を支援し、不正で悪意のある旅行者や輸送業者を含む様々な脅威アクターからのサイバー攻撃を検出し防止するために必要である。 AIアルゴリズムのレベルと接続面の両方で、さまざまなサイバーおよびプライバシ攻撃まで、中央集権および分散設定の両方で異なるAIとデータ処理アルゴリズムの利用が増加し、MaaSエコシステムが開放される。 本稿では,AI駆動型MaaS設計とサイバー攻撃と対策に関する多様なサイバーセキュリティ課題との結合について,総合的なレビューを行う。 特に、現在および新興のAIによるプライバシーリスク(プロファイリング、推論、サードパーティの脅威)と敵AI攻撃(回避、抽出、ゲーミフィケーション)がMaaSエコシステムにどのように影響するかに注目します。 これらのリスクは、しばしば、新しい攻撃(例えば、逆学習)と伝統的な攻撃ベクトル(例えば、中間攻撃)を組み合わせることで、より広範な参加アクターのリスクを悪化させ、新しいビジネスモデルが出現する。

関連論文リスト

• HAICOSYSTEM: An Ecosystem for Sandboxing Safety Risks in Human-AI Interactions [76.42274173122328]
  本稿では,多様な複雑な社会的相互作用におけるAIエージェントの安全性を調べるフレームワークであるHAICOSYSTEMを提案する。 私たちは7つの領域(医療、金融、教育など)にわたる92のシナリオに基づいて1840のシミュレーションを実行します。 我々の実験は、最先端のLSMは、プロプライエタリかつオープンソースの両方で、50%以上のケースで安全リスクを示すことを示した。
  論文  参考訳（メタデータ） (2024-09-24T19:47:21Z)
• The Malware as a Service ecosystem [5.973995274784383]
  この研究は、MaaSが従来のサイバーセキュリティ防衛にもたらす重大な課題を強調している。 防衛戦略のパラダイムシフト、動的分析、行動検出、AIと機械学習技術の統合を提唱する声もある。 最終的な目標は、コモディティ化されたマルウェアの脅威の拡散に対抗するための、より効果的な戦略の開発を支援することである。
  論文  参考訳（メタデータ） (2024-05-07T08:25:12Z)
• The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
  Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。 本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。 新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
  論文  参考訳（メタデータ） (2024-01-03T07:47:22Z)
• Beyond Boundaries: A Comprehensive Survey of Transferable Attacks on AI Systems [9.015049689314859]
  トランスファービリティの観点から学習に基づく攻撃について検討する。 本稿では,既存攻撃のアーキテクチャを様々な観点から分類し,レビューする。 自律運転のような現実的なシナリオにおける移動可能な攻撃の影響について検討する。
  論文  参考訳（メタデータ） (2023-11-20T14:29:45Z)
• Survey on Security Attacks in Connected and Autonomous Vehicular Systems [0.0]
  本研究は,CAV環境におけるサイバーセキュリティの現状について概説する。 CAVのコンテキストにおけるサイバーセキュリティの脅威と弱点を、車両ネットワークに対する攻撃、インターネットに対する大規模な攻撃、その他の3つのグループに分類する。 CAVを確保するための最も最新の防衛戦術を詳述し、その効果を分析している。
  論文  参考訳（メタデータ） (2023-10-14T06:37:05Z)
• Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
  接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。 本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-05T21:38:36Z)
• Towards Automated Classification of Attackers' TTPs by combining NLP with ML Techniques [77.34726150561087]
  我々は,NLP(Natural Language Processing)と,研究におけるセキュリティ情報抽出に使用される機械学習技術の評価と比較を行った。 本研究では,攻撃者の戦術や手法に従って非構造化テキストを自動的に分類するデータ処理パイプラインを提案する。
  論文  参考訳（メタデータ） (2022-07-18T09:59:21Z)
• Simulating Malicious Attacks on VANETs for Connected and Autonomous Vehicle Cybersecurity: A Machine Learning Dataset [0.4129225533930965]
  コネクテッド・アンド・オートマチック・ビークルズ(CAV)はVehicular Adhoc Networksに頼り、安全運転を支援するために車両と道路インフラストラクチャー間の無線通信を行っている。 サイバーセキュリティ攻撃はVANETとCAVの安全な運用に脅威をもたらす。 本研究では,悪質な攻撃を受ける可能性のある典型的な通信シナリオをモデル化するためのシミュレーション手法を提案する。
  論文  参考訳（メタデータ） (2022-02-15T20:08:58Z)
• AI in Smart Cities: Challenges and approaches to enable road vehicle automation and smart traffic control [56.73750387509709]
  SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。 本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
  論文  参考訳（メタデータ） (2021-04-07T14:31:08Z)
• Adversarial Machine Learning Attacks and Defense Methods in the Cyber Security Domain [58.30296637276011]
  本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。 サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
  論文  参考訳（メタデータ） (2020-07-05T18:22:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。